Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAK Pengetahuan seorang pakar sangat dinamis terhadap waktu. Pengetahuannya akan bertambah atau lebih sempurna bila pakar sering menggunakannya. Pengetahuan sistem pakar sangat statik, tidak bertambah. Metoda belajar kesamaan ("similarity-based learning") dari teori Mesin Pembelajar ("Machine Learning") dapat digunakan dalam menambah pengetahuan sistem pakar. Dalam studi ini akan dipelajari cara penambahan pengetahuan sistem pakar dengan menggunakan metode belajar dari contoh ("learning from examples") dari kasus-kasus penderita penyakit TB--Paru yang dijadikan sebagai contoh-contoh latihan. Implementasi program yang dibangun terbatas pada penambahan pengetahuan berdasarkan contoh-contoh latihan khusus untuk penderita penyakit TB-Paru dengan menganggap bahwa contoh-contoh latihan tersebut telah diklasifikasikan dengan metode pohon keputusan. Program disusun dalam bahasa pemrograman Turbo C Versa. 2.0 dari Borland dan dijalankan dengan sistem operasi MS-DOS versi 4.01. Mesin yang digunakan adalah IBM PC-XT Compatible dengan memory 640 KB. "

"Pengetahuan seorang pakar sangat dinamis terhadap waktu; pengetahuannya akan bertambah atau lebih sempurna bila pakar sering menggunakannya. Sedangkan pengetahuan sistem pakar (expert system) sangat statik; jika pengetahuannya ingin disempurnakan maka prosesnya rumit, waktunya relatif lama, kecenderungan salahnya cukup besar, dan paling sedikit membutuhkan seorang pakar dengan domain pengetahuan yang sama dan seorang ahli rekayasa pengetahuan (knowledge engineer). Untuk mempermudah proses penyempurnaan basis pengetahuan sistem pakar tersebut dapat digunakan teknik mesin pembelajar (machine learning). Bidang mesin pembelajar menyangkut pembentukan teori-teori komputasi dari proses belajar dan pembangunan sistem belajar. Sistem belajar analogi yang dibangun sebagai alat bantu sistem pakar dalam menyempurnakan basis pengetahuannya menerapkan :

• metoda analogi pada elemen belajarnya, dan
• metoda incremental concept formation untuk membentuk basis pengetahuan sistem belajar yang akan digunakan oleh elemen belajar tersebut.

Dalam implementasinya, sistem belajar analogi tersebut diterapkan pada sistem pakar Kelainan Paru. "

"Sistem pakar yang merupakan suatu program yang menggunakan teknik pengambi1an kesimpu1an dari data yang ada sebagaimana 1ayaknya seorang pakar, harus1ah senantiasa memodifikasi basis i1mu pengetahuannya sesuai dengan perkembangan i1mu pengatahuan. Modifikasi ini bisa menyebabkan terjadinya ketidakkonsistanan dalam basis itu sendiri. Sistem da1am ana1isis ini merupakan sebuah prototipe yang dikembangkan untuk menguji basis ilmu pengetahuan suatu sistem pakar yang berbasiskan aturan, dimana sebagai input basis tersebut harus1ah ditulis da1am berkas teks (text file). Output yang dihasi1kan berupa sebuah tabs] yang memuat aturan-aturan mana saja yang tidak konsisten. Ketidakkonsistenan ini dibedakan atas konflik, redundansi, dan subsumsi. Pengembangan sistem ini banyak mengambi1 ide dari konseo Penguraian Basis I1mu Pengetahuan. Sistem ini juga menyediakan fasi1itas tambahan berupa penambahan, penghapusan, perubahan, dan penataan basis i1mu pengetahuan. semuahya ini dipadukan da1am sebuah jendela(window)."

"ABSTRAKSistem pakar sebagai salah satu cabang dari kecerdasan buatan merupakan kajian yang menarik dan banyak diminati. Hal ini karena sistem pakar merupakan akumulasi keahlian manusia yang direpresentasikan dengan komputer, sehingga diharapkan dapat mengurangi ketergantungan terhadap manusia. Sistem pakar akan semakin lengkap bila dalam proses pengambilan keputusan juga mendekati cara kerja otak manusia, oleh karena itu ide jaringan syaraf diadopsi untuk sistem pakar dalam tesis ini. N-XSIMP (Neural network based - expert System for Injection Molding Process) disajikan untuk domain masalah yang berkaitan dengan proses injeksi plastik (termoplastik). Di dalamnya tercakup 24 diagnosis (10 masalah mesin injeksi dan 14 masalah pada produk. Saran aksi akan muncul dalam 4 aksi (dinaikan, diturunkan, perbaikan, dan variasi) dimana sistem menyediakan 6 lainnya. Dengan demikian saran keseluruhan mencapai 240 buah saran. Sedangkan langkah penanggulangan terdiri dari 24 perubahan pada komponen (13 perubahan setelan pada mesin, 5 perubahan pada cetakan, dan 6 perubahan lainnya ). Implementasi mesin inferensi menggunakan algoritme winner take-all groups, algoritme ini memiliki karakteristik bahwa pada saat yang sama hanya ada satu masalah yang muncul. Pembelajaran perseptron diimplementasikan sebagai pengenalan atau pelatihan data oleh jaringan syaraf. Karakteristik ini selain cocok untuk mendiagnosis masalah yang muncul pada saat proses injeksi plastik juga sangat cocok untuk kasus pengenalan pola. Dari hasil evaluasi sejumlah responder pada tiga buah perusahaan produsen plastik besar dan dua lembaga pendidikan tinggi yang memiliki topik bahasan cetakan plastik dalam kurikulumnya, ternyata belum ada yang menggunakan sistem pakar. Tanggapan terhadap N-XSIMP sangat positif, dan menyarankan untuk dikembangkan lebih lanjut agar sistem benar-benar dapat beraksi selayaknya pakar. Saran dad pemakai juga mengusulkan agar sistem dikembangkan kemampuannya agar tidak hanya mampu berinteraksi antara manusia-mesin, namun juga antara mesin-mesin (on chip). Penambahan basis pengetahuan berdasarkan fakta di lapangan akan meningkatkan kinerja sistem agar saran yang muncul benar-benar realistis. Pustaka: 28 (1979-1994)"

"ABSTRAKPengembangan Sistem Aplikasi Komputer (SAK) merupakan bentuk tanggapan atas kebutuhan informasi yang bersifat dinamis, untuk mendukung kelancaran operasi perusahaan.Pengembangan SAK yang selama ini berjalan di PERTAMINA, belum bersifat integrated, masih berorientasi pada proses bisnis dalam skala sempit. Meskipun dalam tahapan pengembangan SAK di PERTAMINA UPPDN VII mengacu pada tahapan-tahapan baku yang banyak digunakan secara umum, tetapi dalam pelaksanaannya, terlihat masih bersifat individual (tergantung pada analyst-programmer), dan belum berdasarkan pada suatu konsep dasar pengembangan Sistem Informasi. Hal ini bisa dibuktikan dengan adanya duplikasi fungsi SAK, seringnya penyesuaian program SAK dalam memenuhi kebutuhan perubahan kebijakan Perusahaan. Dengan kata lain pengembangan SAK belum berorientasi pada kepuasan pelanggan (user).Quality Function Deployment (QFD) adalah suatu metode untuk menganalisis kebutuhan pelanggan, baik yang terungkap dan tidak terungkap dan menerjemahkannya ke dalam tahapan proses pemenuhan kebutuhan pelanggan, sehingga bisa dihasilkan produk yang mendekati harapan dan kebutuhan pelanggan.Dalam tesis ini, QFD digunakan sebagai metode untuk merumuskan kebutuhan pelanggan, memformulasikannya ke dalam kebutuhan teknis dan selanjutnya melakukan analisis keterhubungan antara tahapan pengembangan SAK dengan paramater ukuran kinerja SAK, serta menganalisis adanya integrasi metode QFD dengan tahapan pengembangan SAK. Analisis tersebut dilakukan dengan mengembangkan House of Quality (HOQ).Dari kajian terhadap penerapan QFD pada pengembangan SAK, diperoleh suatu kesimpulan bahwa metode QFD bisa diintegrasikan dengan metode tradisional pengembangan SAK, serta dengan metode QFD bisa diperoleh suatu ukuran kinerja layanan Sistem Informasi.

---

ABSTRACTThe development of computer's application system reflects the response of the dynamic information system requirement in order to support the company's business process.Development of such application in PERTAMINA has never been toward a fully integrated system. In PERTAMINA Unit PPDN VII, for example, although the development has been in accordance with the standard approach, they are actually dependant to the officer involved, e.g. system analyst, programmer, etc. Furthermore, the Master Plan, on which the development should be based on, has not been established. In other sense, the applications were not developed to satisfy the user requirements, for duplication of a function cannot be avoided and adjustment to meet the dynamic corporate policy is frequent.Quality Function Deployment (QFD) is a tool, which can be used to analyse the user requirements and translate it into process steps in accomplishing them. The tool will be beneficial in developing a product, which satisfies the user's expectation.QFD is being used throughout this study to understand the user requirement and translate them into a technical specification. Eventually, QFD can be used to analyse the relationship between application development process and the performance indicator, and how it is being integrated with the overall process. The analysis involves the development of House of Quality (H0Q).The study concludes that QFD can be integrated with the traditional development method, and it is useful as a means to measure the Information System performance indicator."

"Penyelenggaraan pertandingan gateball saat ini masih bersifat tradisional dan menggunakan sistem pengelolaan secara manual. Getoboru adalah perangkat digital yang dirancang untuk dapat membantu penyelenggaraan proses bisnis pertandingan. Perancangan sistem Getoboru dimulai dengan menganalisis requirements, pembuatan persona, perancangan desain, serta perancangan usability testing dan pengujian berdasarkan hasil survey terhadap pemain, pelatih, juri, dan pengurus PERGATSI (Persatuan Gateball Seluruh Indonesia) di lapangan. Hasil dari desain dan analisis requirements menjadi dasar dalam perancangan arsitektur sistem Getoboru dan ERD (Entity Relationship Diagram) yang memuat struktur penyimpanan data-data yang diperlukan sistem Getoboru, dan rancangan API yang diperlukan oleh frontend dalam sistem untuk bekerja. Perancangan desain mempengaruhi dalam perancangan struktur aplikasi web dan mobile yang didasari oleh abstraksi untuk membantu dalam implementasi aplikasi web dan optimisasi dalam implementasi aplikasi mobile. Hasil dari desain dan implementasi sistem ini pada akhirnya dievaluasi dan diuji dengan cara mewawancarai beberapa narasumber di lapangan. Setelah dievaluasi dan diuji di lapangan nyata bersama ahli-ahli gateball, sistem Getoboru dapat dinyatakan bermanfaat dalam penyelenggaraan pertandingan gateball.

---

The current implementation of gateball matches is still traditional and uses a manual system. Getoboru is a digital device designed to assist in organizing gateball matches. The design process of the Getoboru system begins with analyzing requirements, creating personas, designing user interfaces, and designing usability testing based on the surveys of players, coaches, judges, and PERGATSI (Persatuan Gateball Seluruh Indonesia) administrators in the field. The result of design and requirement analysis becomes the base of Getoboru system architecture design, ERD design (Entity Relationship Diagram) that contains data structure that Getoboru system needs, and API design that frontend needs for the system to work. The design plan influences the structure design of web and mobile applications based on abstraction that helps in the implementation of web application and the optimization of mobile application. The results of the design and implementation of this system were evaluated and tested by interviewing several interviewees in the field. After being evaluated and tested on the field with gateball experts, the Getoboru system can be declared useful in organizing gateball matches."

"Computer vision merupakan cabang dari bidang ilmu kecerdasan buatan yang mempelajari bagaimana sebuah komputer dapat memahami suatu gambar yang diberikan. Salah satu contoh nyata dari penerapan computer vision adalah pengenalan objek bola pada robot sepak bola. Salah satu tantangan yang dapat menyulitkan robot dalam mendeteksi bola adalah warna bola yang sebagian besar berwarna putih. Hal ini menjadi tantangan karena warna putih sangat rentan terhadap noise. Metode tradisional yang hanya dapat mendeteksi satu bentuk saja tidak cukup untuk memenuhi kebutuhan tersebut, karenanya digunakan pendeteksian berdasarkan machine learning. Salah satu metode pengenalan objek berdasarkan machine learning yang sering digunakan adalah metode Jaringan Saraf Tiruan. Pada tulisan ini, sistem penglihatan robot sepak bola untuk mengenali objek bola dirancang menggunakan metode jaringan saraf tiruan dengan library pengolahan citra OpenCV dalam bahasa pemrograman C++. Berdasarkan pengujian kinerja sistem dalam mendeteksi bola pada gambar mendapatkan nilai accuracy sebesar 0.9987, nilai precision sebesar 0.8055, nilai recall sebesar 0.7, dan FPS sebesar 6. Sedangkan kinerja sistem pembanding dengan menggunakan SVM pada dataset yang sama mendapatkan nilai accuracy sebesar 0.988, nilai precision sebesar 0.167, nilai recall sebesar 0.966, dan FPS sebesar 7,7. Setelah kedua metode dibandingkan dapat disimpulkan bahwa metode jaringan saraf tiruan dapat mendeteksi bola lebih akurat berdasarkan nilai F-Score yang didapatkan yaitu 0.749 pada sistem yang dibuat berbanding dengan 0.285 pada sistem pembanding, namun memerlukan waktu proses yang lebih lama.

---

Computer vision is a branch of the field of artificial intelligence that studies how a computer can understand a given image. An example of the application of computer vision is detecting a ball object on a soccer robot. One of the challenges that can make it difficult for the robot to detect the ball is the color of the ball, which is mostly white. This becomes a challenge because white is very susceptible to noise. Traditional methods that can only detect one form are not sufficient to meet these needs, therefore detection based on machine learning is used. One of the object detection methods based on machine learning that is often used is the Artificial Neural Network method. In this paper, the system to detect ball object is implemented using an artificial neural network method with the OpenCV image processing library in the C ++ programming language. Based on testing the performance of the system at detecting ball have the accuracy value of 0.9987, precision value of 0.8055, recall value of 0.7, and FPS of 6. While the performance of the comparison system using SVM on the same dataset gets accuracy value of 0.988, precision value of 0.167, recall value of 0.966, and FPS of 7.7. After the two methods were compared, it can be concluded that the artificial neural network method can detect the ball more accurately based on the F-Score value obtained, which is 0.749 compared to 0.285, but it requires a longer processing time"

"Sistem Manajemen Pengetahuan (Knowledge Management System) merupakan salah satu layanan teknologi informasi yang ada di Kementerian Komunikasi dan Informatika sebagai sarana berbagi data, informasi dan pengetahuan antar pegawai di internal Kementerian. Sistem mulai digunakan pada awal tahun 2014, hingga tahun 2016 target jumlah pengguna sistem masih belum tercapai. Penelitian ini ingin mengetahui faktor-faktor yang memengaruhi penerimaan pengguna sistem dengan menggunakan model penerimaan UTAUT2 yang dimodifikasi sesuai kondisi subyek penelitian. Model penerimaan terdiri atas 6 variabel independen yaitu performance expectancy, effort expectancy, social influence, habit, system quality, information quality dan 2 variabel dependen yaitu behavioral intention dan use behavior serta 3 variabel moderator yaitu age, gender dan experience. Pengumpulan data dilakukan dengan menggunakan kuesioner yang disebar ke 260 orang pegawai Kementerian Kominfo yang terdaftar sebagai kontributor serta 61 orang pegawai Kementerian Kominfo yang pernah mengikuti sosialisasi penggunaan KMS. Metode pengolahan dan analisis data menggunakan Partial Least Square Structural Equation Model (PLS-SEM). Aplikasi yang digunakan untuk membantu pengolahan data adalah Microsoft Excel dan SmartPLS versi 3.2.7. Hasil penelitian menunjukkan bahwa habit menjadi salah satu faktor yang mendorong penggunaan KMS oleh user. System quality dan Information Quality menjadi faktor yang mendorong niat user untuk menggunakan KMS, dimana faktor System Quality menjadi faktor pendorong terkuat.

---

Knowledge Management System is one of the information technology services in the Ministry of Communication and Technology Information as a means of data, information, and knowledge sharing among employees. Launched in early 2014, the target number of system users is still not reached until 2016. This research aims to investigate influencing factors of system user acceptance based on modified UTAUT2. The acceptance model consists of 6 independent variables ie performance expectations, social influences, habits, system quality, information quality and 2 dependent variables are behavioral intention and use behavior and 3 moderator variables are age, gender and experience. Data was collected using questionnaires that distributed to 260 employees who were contributors and 61 employees who had participated in the socialization of KMS. Method of processing and data analysis using Partial Least Square-Structure Equation Model (PLS-SEM). Microsoft Excel and SmartPLS version 3.2.7 are used to assist data processing. The results show the habit to be one of the factors that encourage the use of KMS by the user. System and Information quality are the factors that drive users to use KMS, where the System Quality factor is the strongest driving factor."

"Dalam skripsi dibahas pembangunan perangkat lunak BMS {Benefit Monitoring System) dengan menggunakan pendekatan obyek. BMS merupakan subsistem dari sistem perangkat lunak BME {Benefit Monitoring and Evaluation System) yang digunakan pada kegiatan SPLPT (Studi Pengembangan Beberapa Lembaga Pendidikan Tinggi) di Indonesia . Pelaksanaan pendekatan obyek dilakukan melalui tahapan analisis dan disain pendekatan obyek (OOA-&-OOD) pada BMS. Kemudi^ hasil-hasil yang diperoleh dirubah dalam bentuk basis data hirarki. Dari langkah-langkah tadi ditinjau pengaruh pendekatan objek tersebut dalam pembuatan basis data BMS khususnya, serta perangkat lunak BMS secara keseluruhan. Dalam hal ini didapat basil pendekatan obyek sangat memudahkan dan efektif dalam memahami ruang lingkup persoalan, menentukan jenis dan membentuk basis data yang memenuhi karakteristik sistem BMS, temyata basis data hirarki cukup memenuhi. Pada pendekatan obyek ini harus dilihat besamya ruang lingkup persoalan sistem, oleh karena untuk permasalahan yang kecil/sederhana pendekatan obyek tidak efektif."